阅读与思考相关关系的强与弱 (2).pptVIP

相关关系的强与弱 授课教师：蔡奇 旧知回顾： 一、如果散点图中的所有点同时落在一条直线上或同时落在一条曲线上则称两个变量是函数关系。 二、（1）如果散点图中的所有点大致落在一条直线的附近则称两个变量是线性相关关系。这条直线成为回归直线，这条直线的方程成为回归方程。 （2）线性相关分为正相关和负相关。 （3）线性回归方程中a,b的估计值 三、如果散点图中的所有点大致落在一条曲线的附近则称两个变量是非线性相关关系。 我们知道，两个变x与y正（负）相关时，他们就有相同的（反）的变化趋势，即当x由小变大时，相应的y有由小（大）变大（小）的趋势，因此可以用回归直线来描述这种关系。与此相关的一个问题是：如何描述x和y之间的这种线性关系的强弱？例如： （1）物理成绩与数学成绩正相关，但数学成绩能够在多大程度上决定物理成绩？ （2）吸烟与健康的负相关强度、父母的身高与子女的正相关强度、农作物的产量与施肥量的正相关强度等。 统计中用相关系数r来衡量两个变量之间线性关系的强弱。两个线性相关变量的相关系数的计算公式为： （1）r的范围： （2） 正相关 ， 负相关 （3） 越大相关性越强 ， 越小相关性越小，统计学认为： 负相关性很强 正相关性很强 或 相关性一般 相关性较弱 典例1： “吸烟有害健康，吸烟会对身体造成伤害”，哈尔滨市于2012年5月31日规定室内场所禁止吸烟。美国癌症协会研究表明，开始吸烟年龄X分别为16岁、18岁、20岁和22岁者，其得肺癌的相对危险度Y依次为15.10、12.81、9.72、3.21；每天吸烟支数U分别为10、20、30者，其得肺癌的相对危险度V分别为7.5、9.5和16.6。用r1表示变量X与Y之间的线性相关系数，用r2表示变量U与V之间的线性相关系数，则下列说法正确的是(　　) A．r1＝r2 B．r1r20 C．0r1r2 D．r10r2 典例2：（2012新课标) 在一组样本数据（x1，y1），（x2，y2），…，（xn，yn）（n≥2，x1,x2,…,xn不全相等）的散点图中，若所有样本点 (i=1,2,…,n)都在直线y=x+1上，则这组样本数据的样本相关系数为 ( ) （A）－1 （B）0 （C） 0.5 （D）1 典例3：某化工厂为预测产品的回收率 ，需要研究它和原料有效成分含量 之间的相关关系，现收集了4组对照数据. 请根据相关系数的大小判断回收率 与 之间是否存在高度线性相关关系。 参考公式与数据： 【解析】∵ ∴ 因此， y 与 x 之间存在高度线性相关关系. 巩固练习(2016新课标） 下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图 由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数（精确到0.01)加以说明 参考数据： 谢谢！ * 4.5 4 3 2.5 6 5 4 3 中度相关 低度相关 高度相关 不相关 完全相关 相关关系 其他 0 1 参考数据： *